案例 05 / 应用开发
黑灯工厂 · AI 托管产线
电能表检定线已实现自动化,但异常处置仍然靠人。要走向「无人化黑灯生产」,需要模型自愈与提前感知——关键不是换设备,而是把人的经验变成可推演的模型。从「局部黑灯」到「全域黑灯」,这是一条可以验收的路径。
拓扑数字化
把产线拆成几百到几万个微观节点
因果建模
不猜概率、只算因果的轻量化网络
黑箱优化
半可微分优化解决产能与故障预防
故障自愈
异常自判、方案自推、处置自执行
柔性线 + 工控 / MES 已经实现了自动化,最后一段「异常处置」仍在等人。
现状
自动化,但还不能无人化
国网电能表检定中心:柔性线 + 工控 / MES 已实现自动化,但现场仍无法无人化——人员主要处理系统上报的各类异常与故障。
方案
用「小世界模型」建数字工厂
对设备连接拓扑结构做数字化建模,基于产线运行数据做因果学习,构建可推演的产线数字孪生体。
成果
三个场景已经跑通
动态工单调度、智能排期与产能优化、专机设备体检报告与状态监控已落地;异常检测、故障追溯、反事实推演即将上线。
「无人化的最后一公里,不是换设备,而是把『人盯产线』换成『模型自愈』——异常由模型判断、方案由模型推演、处置由设备执行。」
案例 05 · 项目复盘数字工厂
把产线变成可计算的拓扑
对产线设施、资产容器与专机做拓扑结构与运转逻辑建模,再用运行数据训练出「产线小世界模型」。
把流水线转成数学拓扑
按需分解为几百、几千或几万个微观节点。
只取自产线,不外采
传感器数据、执行器数据、维护日志、故障记录。
不猜概率、只算因果
支持流程仿真、异常检测、故障追溯与反事实推演。
一台设备、一次搬运都是节点
把物理过程转换成 AI 易懂的形式。
这条路径的价值在于「工程量确定」:建模边界清晰、数据全部来自现场,实施风险可被逐级收敛。
三个跑通的场景
人的经验,正在被写成可推演的模型
每一个场景都从「现在怎么处理」和「模型怎么处理」两条链路对照着看,改造点才清楚。
场景一 · 托盘卡阻处置
15 MIN → 3 MIN传统处置链路
- 高阶报警
- 翻历史库
- 肉眼研判
- 人工到场
- 传感器只能提示「前方堵车」,无法追溯托盘与电表在过去数十道工序节点中的经历
模型方案链路
- 微观因果节点
- 秒级追溯
- 反事实推演
- 自动研判
- 大模型仅做转译,生成大白话处置建议
结果:总处置时长从 15 分钟降至 3 分钟,人员到场即修,流水线陪跑时间显著压缩。
场景二 · 扫码失败自愈
15 MIN → 2 MIN · 0 人介入传统现况
「查无此表」导致停机
无法读取上一道工序合格 specs,系统报错停机;调记录、人肉搬运、送回上游重扫——人力介入 + 全线等待,约 15 分钟。
自愈流程
虚拟替身推演后自动移动
扫码失败 → 虚拟替身推演 → 自动移动:移回上游、重新扫码入线。通过「半可微分黑箱优化」建立可微分虚拟替身(Differentiable Surrogate Model),高频调用黑盒优化算法生成并执行反馈动作。
结果:2 分钟自动化解,0 人介入。
场景三 · 智能排产
10 DAYS → 7 DAYS- 约束 设备 · 工序 · 交期 · 人员
- 目标 批次总工期最短、换线最少
- 结果 一批电表的检定 10 天 → 7 天
排产不是求一个「看起来最优」的解,而是在真实约束下给出能执行的班次计划。
技术路径
四级演进:从拓扑到交互
先数字化、再因果建模、再优化、最后接交互。不玩学术概念,按原始材料表述:这条路径已在实际项目中得到验证,工程量高度确定。
0 / 拓扑数字化
把物理流水线变成数学拓扑
按需分解为几百、几千或几万个微观节点,工程量高度确定。
1 / 因果轻量化拓扑网络
不猜概率、只算因果
接入传感器、执行器数据与维护日志,支持流程仿真、异常检测、故障追溯与反事实推演。
2 / 半可微分黑箱优化
可微分替身 + 目标评价函数
高频调用低频反馈,专门解决产能优化与故障预防。
3 / 标准化模型接口
接大模型,只做交互改良
支持通用大语言模型接口与 MCP,只负责产生人类可理解的信息。
技术选择
这条曲线不是营销概念,是坐标系
成本不是单调的:左侧靠人力硬编码,右侧靠大参数模型,真正的底部在「小世界模型 + 半可微分优化」。
左侧 / 机理硬编码
设备改造与软件开发人力开销大——知识无法迁移,换个场景重做一遍。
右侧 / 大参数模型
数据与算力开销大——泛化能力强,但无法理解具体场景的因果。
底部 / 混合路线
小世界模型 + 半可微分优化:泛化能力与人力成本的交点,人少、算力省、可迁移。
经验迁移:从一条产线到数字产线
TRANSFER一条产线跑通之后,迁移的不是代码,而是「建模方法 + 因果引擎 + 优化框架」这一套底层能力。
已验证
电表检定线
硬核场景验证:最难的场景先跑通。
第一步
重新映射
把新的物理产线映射为可计算拓扑。
第二步
复用底层引擎
因果推断 + 黑箱优化,参数化复用。
可迁移目标
汽车零部件装配 / 电子元器件检测 / 食品包装流水线
同一套引擎,换的是拓扑与数据。
「不搞大模型崇拜,也不做过时的硬编码苦力;守住『微笑曲线』的黄金底部——用合理的算力与人力成本,换最抗造的自愈与优化能力。」
案例 05 · 项目复盘